【算法实验三】(BFS-分支限界)【独轮车】

本文介绍了一款基于迷宫的算法挑战游戏——独轮车。玩家需要控制一个拥有五彩轮子的独轮车,通过调整方向和颜色,使其在限定时间内从起点到达终点。游戏地图为20*20的迷宫,独轮车每走一格或转向,轮子颜色会按红、黄、蓝、白、绿的顺序变化。玩家的任务是在给定的起点、终点和目标颜色下,找到最快路径。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1044.独轮车

时限:1000ms 内存限制:10000K  总时限:3000ms

描述

独轮车的轮子上有红、黄、蓝、白、绿(依顺时针序)5种颜色,在一个如下图所示的20*20的迷宫内每走一个格子,轮子上的颜色变化一次。独轮车只能向前推或在原地转向。每走一格或原地转向90度均消耗一个单位时间。现给定一个起点(S)和一个终点(T),求独轮车以轮子上的指定颜色到达终点所需的最短时间。
 

输入

本题包含一个测例。测例中分别用一个大写字母表示方向和轮子的颜色,其对应关系为:E-东、S-南、W-西、N-北;R-红、Y-黄、B-蓝、W-白、G-绿。在测试数据的第一行有以空格分隔的两个整数和两个大写字母,分别表示起点的坐标S(x,y)、轮子的颜色和开始的方向,第二行有以空格分隔的两个整数和一个大写字母,表示终点的坐标T(x,y)和到达终点时轮子的颜色,从第三行开始的20行每行内包含20个字符,表示迷宫的状态。其中'X'表示建筑物,'.'表示路.

 

输出

在单独的一行内输出一个整数,即满足题目要求的最短时间。

 

输入样例

3 4 R N
15 17 Y
XXXXXXXXXXXXXXXXXXXX
X.X...XXXXXX......XX
X.X.X.....X..XXXX..X
X.XXXXXXX.XXXXXXXX.X
X.X.XX....X........X
X...XXXXX.X.XX.X.XXX
X.X.XX....X.X..X.X.X
X.X.X..XX...XXXX.XXX
X.X.XX.XX.X....X.X.X
X.X....XX.X.XX.X.X.X
X.X.X.XXXXX.XX.X.XXX
X.X.X.XXXXX....X...X
X.X.......X.XX...X.X
X.XXX.XXX.X.XXXXXXXX
X.....XX.......X...X
XXXXX....X.XXXXXXX.X
X..XXXXXXX.XXX.XXX.X
X.XX...........X...X
X..X.XXXX.XXXX...XXX
XXXXXXXXXXXXXXXXXXXX

 

输出样例

56

 

提示

56

#include<cstdio>
#include<cstring>
#include<iostream>
#include<queue>
using namespace std;

/******intput******/
int sx,sy;
char sc,sd;
int tx,ty;
char tc;
char map[20][20];
int used[20][20][5][4];
int step[20][20][5][4];
/******************/
struct state
{
	int x,y;
	int color;//0-R-红,1-Y-黄,2-B-蓝,3-W-白,4-G-绿
	int dir;//0-E-东,1-S-南,2-W-西,3-N-北
};
int walk[4][2]=
{
    0, +1,  //0-E-东
    +1, 0,  //1-S-南
    0, -1,  //2-W-西
    -1, 0   //3-N-北
};
state start,target;
queue<state> q;
/*****************/
int bfs();
void init();
int dirInt(char d);
int colorInt(char c);
int cango(state next);
int istarget(state next);
state move(state now,int i);
/****************/

void init()
{
	cin>>sx>>sy;
	cin>>sc>>sd;
	cin>>tx>>ty;
	cin>>tc;
	for(int i=0;i<20;i++)
		for(int j=0;j<20;j++)		
			cin>>map[i][j];
	start.x=sx-1;
	start.y=sy-1;
	start.color=colorInt(sc);
	//cout<<start.color<<endl;
	start.dir=dirInt(sd);
	//cout<<start.dir<<endl;
	used[start.x][start.y][start.color][start.dir]=1;
	q.push(start);
	target.x=tx-1;
	target.y=ty-1;
	target.color=colorInt(tc);
}

int colorInt(char c)
{    
	switch(c)    
	{              
		case'R':return 0;        
		case'Y':return 1;        
		case'B':return 2;        
		case'W':return 3;        
		case'G':return 4;    
	}    
	return -1;
} 

int dirInt(char d)
{    
	switch(d)    
	{     
		case'E':return 0;        
		case'S':return 1;        
		case'W':return 2;        
		case'N':return 3;    
	}    
	return -1;
} 


int bfs()
{
	state now,next;
	while(!q.empty())
	{
		now=q.front();
		q.pop();
		for(int i=0;i<3;i++)
		{
			next=move(now,i);
			if(cango(next))
			{
				used[next.x][next.y][next.color][next.dir]=1;
				step[next.x][next.y][next.color][next.dir]=
				 	step[now.x][now.y][now.color][now.dir]+1;
				if(istarget(next))
					return step[next.x][next.y][next.color][next.dir];
				else
					q.push(next);	
			} 
		}
	}
	return -1;
}

state move(state now,int i)
{
	state next;
	if(i==0)
	{
		next.x=now.x+walk[now.dir][0];
		next.y=now.y+walk[now.dir][1];
	    next.color=(now.color+1)%5;
	    next.dir=now.dir;
	}
	else
	{
		next.x=now.x;
		next.y=now.y;
		next.color=now.color;
		if(i==1)
			next.dir=(now.dir+3)%4;
		else
			next.dir=(now.dir+1)%4;
	}
	return next;
}

int cango(state next)
{
	if(next.x>=0 && next.x<20 && next.y>=0 && next.y<20)
	{
		if(map[next.x][next.y]!='X')
		{
			if(!used[next.x][next.y][next.color][next.dir])
				return 1;
		}
	}
	return 0;
}

int istarget(state next)
{
	if(next.x==target.x && next.y==target.y && next.color==target.color)
		return 1;
	else
		return 0; 
}

int main()
{
	init();
	cout<<bfs()<<endl;
	return 0;
}

 

### 使用分支限界法实现最短单词接龙的算法设计与分析 #### 算法概述 分支限界法是一种用于求解组合优化问题的有效方法,其核心思想是在搜索过程中通过剪枝操作减少不必要的计算开销。对于最短单词接龙问题,目标是从给定的一个起始单词出发,在字典中找到一系列单词使得每一对相邻单词之间仅相差一个字母,并最终到达指定的目标单词。 此问题可以通过广度优先搜索(BFS)结合分支限界的思想来高效解决[^4]。 --- #### 数据结构的选择 为了表示单词之间的关系以及便于快速查找符合条件的下一个状态,通常采用以下数据结构: 1. **队列**:存储当前正在探索的状态及其对应的步数。 2. **哈希表/集合**:记录已经访问过的单词,防止重复遍历。 3. **邻近词生成器**:基于当前单词生成所有可能的一次变换后的单词列表。 这些工具能够帮助我们有效地管理和扩展候选节点,同时避免冗余计算。 --- #### 算法步骤描述 以下是利用分支限界法的具体实施细节: 1. 初始化: - 将初始单词加入到队列 `queue` 中,并设置步数为 0。 - 创建一个空集合 `visited` 来跟踪已处理的单词。 2. 层级扩展: - 当队列不为空时,取出第一个元素作为当前状态 `(current_word, steps)`。 - 如果当前单词等于目标单词,则返回所用步数加上一步完成转换所需的操作次数。 3. 候选生成: - 对于每一个未被标记为已访问的邻居单词(即只改变其中一个字符形成的合法新单词),将其添加至队列并更新步数值。 - 同时将该邻居单词加入到 `visited` 集合里以防后续再次考虑它。 4. 结束条件判断: - 若整个过程结束仍未发现可行路径,则表明无法达成转化目的,应报告失败情形。 这种策略确保每次只会沿着最有希望的方向前进,从而达到节省资源的目的[^4]。 --- #### 时间复杂度分析 假设字典大小为 \( n \),每个单词长度固定为 \( l \) 。由于我们需要尝试替换每一位上的不同可能性 (\( 26-l \)) 并验证是否存在这样的变体存在于剩余可用选项之中,因此单轮迭代的成本大致相当于 \( O(l * |alphabet|) = O(26l)\)[^4]。考虑到实际应用中的平均情况表现良好,整体效率较为理想。 然而值得注意的是,当输入规模增大或者允许的变化范围更宽泛时,仍可能出现指数增长的趋势。此时需进一步优化模型设定或是引入启发式评估机制加以辅助控制边界扩张速度。 --- ```python from collections import deque def shortestWordEditPath(startWord, endWord, dictionary): if startWord == endWord: return 0 dict_set = set(dictionary) if endWord not in dict_set: return -1 queue = deque([(startWord, 0)]) visited = set([startWord]) alphabet = 'abcdefghijklmnopqrstuvwxyz' while queue: current_word, steps = queue.popleft() if current_word == endWord: return steps for i in range(len(current_word)): for c in alphabet: next_word = current_word[:i] + c + current_word[i+1:] if next_word in dict_set and next_word not in visited: visited.add(next_word) queue.append((next_word, steps + 1)) return -1 ``` --- #### 性能改进方向 尽管上述方案已经具备良好的基础性能特征,但在特定场景下仍有提升空间。例如预处理阶段建立索引来加速相似模式检索;运用动态规划技术缓存中间结果规避重复劳动等等均值得深入探讨实践价值所在。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值